外链论坛

 找回密码
 立即注册
搜索
查看: 15|回复: 2

答读者问:怎么样入门人工智能

[复制链接]

3003

主题

119

回帖

9915万

积分

论坛元老

Rank: 8Rank: 8

积分
99159222
发表于 2024-9-28 12:10:02 | 显示全部楼层 |阅读模式

关于人工智能,怎样才可快速入门,该去怎样学习?

1、我成功经验,仅有失败经验

首要说,我写博客的重点目是输出倒逼输入。我既然写了,就得为了能写出东西而去学习,最起码我得先晓得是怎么回事,而后才可用自己的语言描述出来。我是一个懒人,然则又想上进,就想出这么一个被强迫的办法。并不是我已然功成名就、知识多的往外涌了,才开坛论道,传道授业。

由于成功,因此成功经验。

然则设备学习我已然科研6年了。我从2018-04-11在QQ空间写了第1篇《报告:白话人工智能》,那时就起始总结自己的学习成果,那时是给自己看,此刻是给大众看。

然则,到日前为止,兜兜转转,我依然什么建树,成个名、成个腕儿,更得到个诺贝尔奖啥的。

虽然默默无闻,然则我这六年不是白白浪费的,我是没日没夜地浪费的,起码我晓得浪费在哪里,这些失败经验,我能够告诉大众

2、杀猪捅屁股,各有各的招

大众看一张网上流传的设备学习入门路线。

这张图密密麻麻地写满了你去学习-设备学习-的-学习路线,大大概上百项。

第1项最基本便是“矩阵、线性代数”。其他还有DataFrames、Extract、Transform、RegEx、pdfs……

我的基本很差,学历不高。然则设备学习对基本学科的需求很高,起码得是硕士才能够入门去搞,因此晓得自己的弱项。

我就想按这个路线学习,立志要踏踏实实一步一个脚印,即便是向西天取经同样难,我保持,虽然上三年的科研生,然则我要用六年的时间去自学关联的知识。

于是,我就先起始学习矩阵。非常多的免费公开课上有矩阵关联的课程,我起始一节不落地学习。

断断续续学了2个月,我在想,这么枯燥的课程有什么用,哪里能用到?

于是,我烦躁了,我起始直接看人工智能项目的代码。

我先看了《TensorFlow实战Google深度学习框架》这本书,翻开一看,妈呀还是矩阵:

看不懂,很受挫,反思还是基本没打好,我就又返回去学习矩阵。

又学了一段时间,我跑到楼下同卖驴肉火烧的大哥(数学系本科)切磋了一下,感觉自己在餐饮行业的矩阵界已然无敌了。

翻开书继续看,越过矩阵后,它又起始讲概率,尤其触及各样公式的时候,又看不懂了。

我又去学概率,奔着打牢基本的目的,又学了1个月的概率分布。

我在想,倘若根据这种节奏学下去,我再30年未必能摸上人工智能的手。

3、别多想,干就完了

起始找项目,从实战出发,以运行代码为主,运行代码看效果,加强兴趣。此时,第二本书《21个项目玩转深度学习:基于TensorFlow的实践详解》被我找到了。我起始搭环境运行上面的例子。

有时候,基本晓得代码是什么意思,不碍事,你就想,要全看懂得20年后了,此刻先跑起来,感受它的神奇之处。倘若想要认识理论知识,就去找对应的理论讲解。

其实奔着这个目的,反而心理压力了。原来由于看不懂而上火,此刻看不懂是正常的。

然则,道路依旧很坎坷。想成功运行起来一个项目,太难了,各样环境问题,各样配置问题,有时候需要1星期乃至一月的时间,才可起来项目。然则,当你运行起来的时候,你会有种错觉:这些代码便是你写的,这个项目便是你的作品!

或许,那不是错觉,从某种维度上,那便是你的劳动成果。就如同你自己亲手组装了一台电脑,你不消留意CPU是不是你亲手制作的。

处理问题的过程中,你会学到非常多知识。这些知识,不是体系的,不像29集矩阵课程那样完整,它是散落的,只和这一次项目相关

跑完了这些例子,虽然你还是不晓得实现这些功能的细节。然则,你对深度学习会有一个层次上的认识例如,讲到GAN,你晓得是对抗生成网络,便是自己和自己干起来,自己造假,而后自己辨伪,你跑过一个例子,便是自动生成动漫头像的,你晓得想要搞定这些,先得需要有些动漫头像做为训练集。

跑完这些例子,你就晓得了深度学习有那些行业,有处理自然语言的,有处理照片的,有处理音视频的。当你看到自动打游戏,你会说这是经过“强化学习”来实现的,里面有什么经验池,走对了有奖励啥的。

为何忽然认识这些?由于你花了1星期多的时间跑了一个例子啊,那个例子便是讲“强化学习”的,因此你才这么刻骨铭心。

到此,深度学习在咱们心中相当于有了一个轮廓,虽然不晓得它的面容,然则晓得他是一个人。

4、不行,事情还得从长计议

至此,你以为你无敌了。

其实,你不是:你运行的只是别人写好的代码,只能实现固定的功能。

我问你,你成功运行过一个自动生成莎士比亚歌剧的例子,倘若让你做一个自动生成曾国藩家书,你行吗?

你骄傲地认为便是替换数据集就能够由于你试过将莎士比亚的数据替换成富兰克林的数据,是问题的。

然则一换曾国藩的数据就完蛋了。原由便是英文和中文的分词办法是有区别的,然则她们的原理却是与语言无关的。你只需要改动某一个地区就可以,但便是晓得该改哪里。

当你想改造的时候,你发掘,前面能跑通例子的成就感,是个错觉,你基本掌控不了它。

那好,那就去试着认识它的原理,仅有懂了原理,才晓得该在哪里开刀和缝合。

这就又回到了那个学习基本学科的起点。你又看到这些讨厌却又没法绕开的公式,像下面这般

虽然面临的还是同一个问题,看似又回到了起点,但其实差别很大。就像你工作十年后,再让你去高考,虽然有些题还是不会做,然则你却晓得了高考寓意着什么,大学该去怎么有重点的学习和社交。

此时候,真得静下心来科研了,科研不要分心,不要扩展,就弄明白这一个点就行,由于精力有限。

这可能是比较艰难的时刻了,不外去就放弃了,挺过去了后面还会有更难的。

能到这一步,深度学习在咱们心中相当于有器官了,咱们能清楚地晓得耳朵、眼睛在哪里,是什么形状。

5、不只是你迷茫,大众都有疑问

当你看到上面这些东西,最终能明白是什么意思的时候,你忽然发掘,框架版本升级了,到了2.0不消再关心这些了。心情有点不愉悦。

1.0时,还需要关心原理的东西,还需要去设计矩阵结构,到了2.0完全不需要了。

此时,旧版的1.0你还完全搞明白,新版的2.0就到来了。

要不要学?

保持1.0:然则2.0真的很有效,你用1.0研发2个月还各样反常问题,别人用2.0三天就能够完成况且还稳定。尝试2.0:理论根基,变成为了一个无脑的API调用者,不认识原理总感觉是处在鄙视链的最末一环。学完1.0再学2.0:那时再出来个3.0该怎么办?

6、官方的脚步,大大都是趋势

我是从TensorFlow 1.x的张量、图、会话起始学习的,以我笨拙的资质,其晦涩程度如同看哪些公式。

然则当TensorFlow 2.x发布后,尤其针对初学者的高阶API,尤其是官方主推的keras,让编程变得极其简单,仅需几十行代码就可完成一个神经网络的训练和运用

我纠结过一阵子,最后还是选取了新版本,期盼大众运用新版本。

原由有如下几点,这几点是官方力推新版的理由:

新版本简单易懂,入门容易。越简单,群众基本就会越大,生态会越强。倘若全世界就几个老头能把握那样它离灭绝就不远了,不管是技术还是老头。新版本经过包装,产能有效。你学习它,便是认识决问题和创造价值的。既然新版能够更快更稳地产出效果,那样就该运用它。所说原理鄙视,其实是代沟。你运用3.0版本会觉得4.0版本是无脑调用。其实,3.0刚出来时,被2.0鄙视过。就像80年代的汽车驾驶员鄙视此刻的司机不会修车同样,其实修车的工作不是消失了,只不外是换别人来做了。

7、给大众意见

总结一下:

倘若你的基本学科(编程、数学)很差,又想早点入门,并且目的不是当一个人工智能专家,只想拿它当工具来处理问题。那样,我意见你直接找实战小项目,先运行起来再说,培养兴趣,累积经验。就像高中毕业就去打工,先体验挣钱的感觉。等到别人7年后硕士毕业起始去打工了,你再返回去上课。积极面对新技术、新语言、新版本,倘若它能让更加多的人用更少的投入去产生更加多的价值,那它便是值得学习的,便是将来的方向。不要留意门槛高低,从肯德基的汉堡制作,到面粉生产,再到小麦种植,每一个层级都有人做,况且能够做的很好。能够经过分轮的方式去学习。不要着急弄清楚一切,准许自己有不懂的地区。就像画画,第1轮先画一个轮廓,第二轮区分一下布局,第三轮细化,第四轮润色,古人云:书读百遍其义自见。

日前我依然是一个初学者,看着英文文档学习,只是一个搬运工,能力当大众的老师,只能在我博客触及内容的范围内,给大众有些详解。由于只要我写出来的,必定是我已然理解透彻的。

我是这般学习AI的,当然不出彩,仅给大众供给一个参考。

回复

使用道具 举报

2940

主题

2万

回帖

9910万

积分

论坛元老

Rank: 8Rank: 8

积分
99109403
发表于 2024-10-2 10:49:08 | 显示全部楼层
楼主的文章非常有意义,提升了我的知识水平。
回复

使用道具 举报

2895

主题

2万

回帖

9997万

积分

论坛元老

Rank: 8Rank: 8

积分
99979615
发表于 2024-10-12 21:54:47 | 显示全部楼层
楼主听话,多发外链好处多,快到碗里来!外链论坛 http://www.fok120.com/
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

站点统计|Archiver|手机版|小黑屋|外链论坛 ( 非经营性网站 )|网站地图

GMT+8, 2024-11-9 02:50 , Processed in 0.131124 second(s), 19 queries .

Powered by Discuz! X3.4

Copyright © 2001-2023, Tencent Cloud.